郑小发 杨 丽
(重庆机电职业技术学院 重庆 420760)
基于“灰色神经网络”的高职“一身两翼”办学模式优化研究
郑小发 杨 丽
(重庆机电职业技术学院 重庆 420760)
立足于我国的国情和高职教育现状,借鉴国外发达国家高职教育教师专业体系结构优化发展的经验,提出基于“灰色神经网络”优化重庆机电职业技术学院“一身两翼”办学模式。
灰色神经网络;高职;一身两翼;办学模式
随着发达国家优质教育资源对国内生源市场的争夺与分流力度越来越大,主动融入、大力推进国际职业教育合作与交流成为全国高职院校开阔视野、拓宽人才培养途径的应势之举。
(一)重庆机电职业技术学院“一身两翼”办学模式的理念
“一身”指的是教学,是教育核心价值所在,特指我院的新型教学模式。“两翼”中的一翼是指国际高校合作及高、中、低端培训,另一翼是指产品孵化、产业经营。在“十二五”期间,我们要紧紧抓住重庆市产业“6+1大发展”、“再造一个重庆”发展战略的大好机遇,遵循教育规律,面向社会需求,加强管理,提高质量,立足重庆,依托兵工企业,面向西部,辐射全国,进一步优化专业结构,适应经济和社会发展要求,稳步推进产学结合、校企结合,提高学院教育教学质量。
(二)重庆机电职业技术学院“一身两翼”办学模式定位
在“十二五”期间,教育部将按照统筹规划、先行试点、动态调整的原则,逐步启动国家示范性高等职业院校建设计划二期工程、地市级高等职业教育综合改革试点、示范性职业教育集团学校建设、高等职业院校“双师型”教师队伍建设、高等职业教育实训基地建设、高等职业教育共享型教学资源库和技能培训与继续教育服务平台建设等重大项目与改革试点。我院“十二五”期间的总方针是“深化改革、固本升位”,“十二五”期间要实现的目标是 “创建以育人为中心、多功能自力型的办学实体”。我院将“一身两翼”办学模式应用于校际合作、中外合作、中德草签联合办学和实习产业协议等,来增强学院“两种经济”和“外圆内方”的教学管理模式,集中财力使学院呈现出高水平的人才培养质量及坚实雄厚的财力支撑。
(三)重庆机电职业技术学院办学指导思想
学院充分发挥背靠兵工、依托兵工和“校企同源”的独特优势,用科学发展观统领学院改革发展全局,提出“德为根、人为本、和为贵、能为先”的办学指导思想,创新性地提出“一身两翼”、“以服务求生存、以贡献求发展”和“依托行业优势,以企业需要为导向,为用人单位量身打造技能型人才。
(四)重庆机电职业技术学院“一身两翼”办学模式应用于专业群实训基地建设
建设专业群校内生产型实训基地:(1)机械制造与维修及机械结构优化实训基地;(2)汽车检测与维修及汽车底盘结构优化实训基地;(3)物联网职业技术教育、物联网应用技术、计算机网络技术综合实训与信息安全技术实训基地;(4)电子商务、市场营销与物流管理模拟实训基地;(5)建筑工程管理、工程造价预决算模拟实训基地;(6)艺术设计实训基地。
首先,一个好的办学模式预测模型应符合办学模式基本理论和数学建模要求,这是选择模型的关键。其次,要保证模型数据可得一致和可比性,在数据预测检验阶段应充分拟合原始数据,特别是有波动的数据,因为波动性数据往往蕴藏了系统重要信息。
“灰色神经网络”是指既含有已知信息,又含有未知信息的系统,是基于我国华中理工大学(现华中科技大学)邓聚龙教授于1982年提出的灰色理论发展而来的,是系统思想的一种深化和发展。它所需模型因素少,模型简单。对于模型因素空间难以穷尽,运行机制尚不明确,又缺乏确定关系的信息系统的研究,“灰色神经网络”理论及方法提供了新的思路和有益的尝试。
基于“灰色神经网络”的非线性映射与办学模式非线性特征是相近的,对于未知的办学模式动力学系统可通过“灰色神经网络”来了解系统的表征量并进行预测。已有定理从数学上保证了网络用于时间序列预测的可行性。因此,结合模型映射性质、输入变量的选择和波动性数据拟合等可知“灰色神经网络”模型用于办学模式预测是可行的。与传统的办学模式预测方法相比,将基于“灰色神经网络”的时间序列预测方法用于办学模式预测,避免了繁琐的常规建模过程,使预测结构计算简单、灵活。运用计算机强大的组合能力,可以更好地提高办学模式预测的效率和精度。
基于“灰色神经网络”的预测方法是根据过去及现在已知的或非确知的信息,建立一个从过去引申到将来的GM模型,从而确定系统在未来发展变化的趋势,为规划决策提供依据。在灰色预测模型中,对时间序列进行数量大小的预测,随机性被弱化了,确定性增强了。此时,在生成层次上求解得到生成函数,据此建立被求序列的数列预测,其预测模型为一阶微分方程,即只有一个变量的灰色神经模型,记为GM(1,1)模型。重庆机电职业技术学院为优化办学模式的效果,利用重庆机电职业技术学院办学模式灰色算法GM(1,1)进行数据信息优化处理,即运用重庆机电职业技术学院“灰色神经网络”理论进一步优化“一身两翼”办学模式。
(1)设所要预测“一身两翼”模型中的某项指标的原始数据列为x(0)={x(0)(1),x(0)(2),x(0)(3),……,x(0)(n)}
(2)对原始数据列做一次累加,先生成(1-AGO),再生成(1)新数据列,即(3)对生成的数据列x(1),建立相应的微分方程,式中a为发展系数,u为内生控制系数。(4)解步骤(3)中方程式,可得其相应的时间响应算法为:
(5)设方程的参数的向量:式中B为累加生成矩阵,YN为向量,二者的构造分别为:
式中x(0)(i)为第i年的原始数据;x(1)(i)为第i+1年的一次累加。
(7)求出原始数据的还原预测值与实际数据值之间的残差值ε0(t)和相对误差q(t),进行残差检验
(8)进行关联度R检验;后验差C检验和小误差概率P检验。
(9)如果残差检验、关联度检验和后验差都能通过,则可以用所建立的算法进行预测。否则要进行残差修正。而重庆机电职业技术学院“灰色神经网络”是以办学模式为网络样本,算法即误差反向传播算法,利用重庆机电职业技术学院“灰色神经网络”算法自组织学习过程,分别为办学模式网络样本进行正向传播和误差的反向传播。其通过办学模式网络样本进行前一次迭代的权值和阈值来应用神经网络技术中的第一层向后计算各层自组织神经元的输出,即最后层向前计算各层权值和阈值。其总误差的梯度进而对前面各层的权值和阈值进行修改运算,反复直到神经网络样本收敛重庆机电职业技术学院“灰色神经网络”输入向量为
X=(x1,x2,……,xi,……,xn)T;隐含层输出向量为Y=(y1,y2,……,yi, ……,yn)T; 输出层的输出向量为 O=(o1,o2, ……,oi,……,ol)T;期望输出向量为;输入层到隐含层之间的权值矩阵V=(V1,V2,……,Vj,……,Vm)T。其中,列向量Vj为隐含层第j个重庆机电职业技术学院自组织神经元对应的权向量。隐含层到输入层之间的权值矩阵w=(w1,w2,……,wk,……,wl)T。其中,列向量wk为输出层第k个重庆机电职业技术学院自组织神经元对应的权向量。各层信号之间的算法结构为:上式中f(x)的均为杂类型函数,f(x)的导数方程为;
则办学模式算法样本输出层和隐含层的权值调整量分别为:
式中:η为比例系数,在利用灰色算法训练办学模式中代表学习速率。如果重庆机电职业技术学院灰色自组织神经网络有个隐含层,各隐含层节点分别记为m1,m2,……,mh,各隐含层输出分别记为y1,y2,……,yh则各层权值调整计算公式分别如下:
综合上述,预测分析重庆机电职业技术学院灰色神经模型,运用各层权值调整公式均由学习速率、样本以隐含层输出的误差信号和隐含层输入数字离散信号决定办学模式样本,同时,利用灰色学习理论过程来决策环境复杂程度和训练办学模式样本的收敛性,即需要增大多层网络样本训练量来优化重庆机电职业技术学院“一身两翼”办学模式。同时,应注意样本的全面性、代表性以及提高样本的精确性,增大抗干扰噪声。还可以采用其他方法收集多层训练办学模式算法样本数据。以上是运用重庆机电职业技术学院“灰色神经网络”优化“一身两翼”这个非线性、复杂、不确定的办学模式的新方法。实践证明,此办学模式运用内涵构建使重庆机电职业技术学院教育教学有了进一步创新。
研究既利用了“灰色神经网络”进行预测需要数据少的优点,又吸收了“灰色神经网络”容错能力、自适应能力强的优点。此模型简单实用,特别是在原始数据非常有限的情况下,可以得到相当精度的拟合数据,并能得到可靠的预测数据。
由于“灰色神经网络”的功能强大,形式多样,若能将其他网络形式同灰色理论模型相结合,则能进一步提高预测精度,并能在优化办学模式预测方面发挥更大的作用。
[1]邓聚龙.大规模灰色系统理论教程[M].武汉:华中理工大学出版社,1990.
[2]王永庆.人工智能原理与方法[M].西安:西安交通大学出版社,2001.
[3]高玮.新型进化神经网络模型[J].北京航空航天大学学报,2004.
[4]王耀南.智能控制系统[M].长沙:湖南大学出版社,1996.
[5]刘思峰.灰色系统理论及其应用[M].北京:科学出版社,1999.
G718
A
1672-5727(2012)10-0156-02
郑小发(1981—),男,重庆市人,硕士,重庆机电职业技术学院高级工程师,研究方向为物联网关键技术开发、智能信号处理与目标跟踪、多传感器信息融合、神经网络与模式算法识别、神经网络与混沌信号处理。